Deskripsi Hasil Pengujian Hipotesis 1. Uji Normalitas

49 4. to strengthen investor’s protection. 5. to create market integrity and transparency. 6. to create high competencies and favorable choice for human resource. 4.2. Deskripsi Hasil Pengujian Hipotesis 4.2.1. Uji Normalitas Dalam pengujian normalitas data dengan menggunakan uji Kolmogorof-Smirnov dengan menggunakan program SPSS, dimana apabila nilai signifikansi probabilitas yang diproleh lebih besar dari nilai signifikansi yang telah ditetapkan dalam penelitian 5 maka data tersebut telah terdistribusi normal. Santoso, 2001 : 97 Pedoman dalam mengambil keputusan apakah sebuah distribusi data mengikuti distribusi normal adalah :  Jika nilai signifikansi nilai probabilitasnya lebih kecil dari 5, maka distribusi adalah tidak normal.  Jika nilai signifikansi nilai probabilitasnya lebih besar dari 5, maka distribusi adalah normal. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 50 Tabel 4.1. Normalitas Data Masing-masing Variabel One-Sample Kolmogorov-Smirnov Test 44 44 44 44 44 44 ,181109 4,71407 22,01370 ,98061 3,09518 ,0000000 ,3973636 0,798825 19,963165 ,404530 4,858020 ,22377598 ,338 ,478 ,118 ,139 ,356 ,227 ,338 ,478 ,077 ,139 ,356 ,227 -,260 -,360 -,118 -,080 -,251 -,181 2,242 3,168 ,780 ,925 2,362 1,507 ,000 ,000 ,577 ,359 ,000 ,071 N Mean Std. Deviation Normal Parameters a,b Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. 2-tailed IOS Likuiditas Profitabilitas Aktifitas Solvabilitas Unstandardiz ed Residual Test distribution is Normal. a. Calculated from data. b. Sumber : Lampiran Dari tabel 4.1 diatas, terlihat bahwa nilai probabilitas setiap variabel lebih besar dari 0,05 maka dapat disimpulkan bahwa distribusi dari data adalah mengikuti pola distribusi normal. 4.2.2. Uji Asumsi Klasik 4.2.2.1. Autokorelasi Salah satu metode yang digunakan untuk mendeteksi adanya autokorelasi adalah dengan metode Uji Durbin-Watson d. Adapun pengujiannya adalah sebagai berikut : 1. Banyaknya sampel N = 44 2. Banyarknya variabel bebas k = 4 3. Taraftingkat signifikansi yang digunakan  = 0,05 Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 51 Tabel 4.2. Data Autokorelasi Model Summary b ,826 a ,683 ,650 ,2349716 ,683 20,994 4 39 ,000 2,167 Model 1 R R Square Adjusted R Square Std. Error of the Estimate R Square Change F Change df1 df2 Sig. F Change Change Statistics Durbin- Watson Predictors: Constant, Solvabilitas , Aktifitas, Likuiditas, Profitabilitas a. Dependent Variable: IOS b. Selanjutnya dilihat pada tabel Durbin Watson nilai Durbin Watson sebesar 2.167. Untuk mengetahui ada tidaknya gejala autokorelasi maka perlu dilihat pada tabel Durbin Watson dengan jumlah variabel bebas adalah 4 dan jumlah sampel adalah 44, dan diperoleh DL = 1.338 dan DU = 1.720 serta 4 – DL = 2.662 dan 4 – DU = 2.280 Adapun kriteria pengujiannya adalah sebagai berikut : Tabel 4.3. Batas-batas daerah Test Durbin Watson Daerah Keterangan Kurang dari 1.338 1.338 dan 1,720 1,720 dan 2,280 2,280 dan 2.662 DW  2.662 Autokorelasi positif Tanpa kesimpulaninconclusive Non autokorelasi Tanpa kesimpulaninconclusive Autokorelasi negatif Sumber : data diolah Sedangkan nilai Durbin Watson dari perhitungan DW = 2.167 dan nilai ini terletak pada daerah non Autokorelasi. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 52

4.2.2.2. Multikolinearitas

Untuk mengetahui ada atau tidaknya gejala multikolinier pada model regresi linier berganda yang dihasilkan dapat dilakukan dengan menghitung nilai Variance Inflation Factor VIF dari masing-masing variabel bebas dalam model regresi. Tabel 4.4 : Hasil Pengujian Multikolinieritas Coefficients a ,066 ,100 ,655 ,516 -,137 ,269 ,028 ,004 ,763 7,745 ,000 ,021 ,035 ,817 ,778 ,698 ,839 1,192 -,002 ,002 -,111 -1,098 ,279 -,006 ,002 -,369 -,173 -,099 ,797 1,255 ,047 ,093 ,048 ,504 ,617 -,141 ,234 ,111 ,080 ,045 ,913 1,096 -,005 ,008 -,056 -,598 ,554 -,020 ,011 -,245 -,095 -,054 ,922 1,085 Constant Likuiditas Profitabilita Aktifitas Solvabilitas Mode 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. Lower Bound Upper Bound Confidence Interval fo Zero-order Partial Part Correlations Tolerance VIF Collinearity Statistics Dependent Variable: IOS a. Sumber : Lampiran Dari hasil perhitungan diperoleh bahwa pada bagian colliniearity statistics, nilai VIF pada seluruh variabel bebas lebih kecil dari 10, yang artinya seluruh variabel bebas pada penelitian ini tidak ada gejala multikolinier.

4.2.2.3. Heteroskedastisitas

Penyimpangan asumsi model klasik yang lain adalah adanya heteroskedastisitas. Artinya, varians variabel dalam model tidak sama konstan. Hal ini bisa diindentifikasi dengan cara menghitung korelasi Rank Spearman antara residual dengan seluruh variabel bebas. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 53 Tabel 4.5 : Hasil Pengujian Heteroskedastisitas Correlations 1,000 -,364 -,069 -,587 -,210 . ,015 ,654 ,000 ,171 44 44 44 44 44 -,364 1,000 ,154 ,324 ,269 ,015 . ,317 ,032 ,077 44 44 44 44 44 -,069 ,154 1,000 -,188 ,087 ,654 ,317 . ,223 ,575 44 44 44 44 44 -,587 ,324 -,188 1,000 ,041 ,000 ,032 ,223 . ,794 44 44 44 44 44 -,210 ,269 ,087 ,041 1,000 ,171 ,077 ,575 ,794 . 44 44 44 44 44 Correlation Coefficient Sig. 2-tailed N Correlation Coefficient Sig. 2-tailed N Correlation Coefficient Sig. 2-tailed N Correlation Coefficient Sig. 2-tailed N Correlation Coefficient Sig. 2-tailed N Likuiditas Profitabilitas Aktifitas Solvabilitas Unstandardized Residual Spearmans rho Likuiditas Profitabilitas Aktifitas Solvabilitas Unstandardiz ed Residual Correlation is significant at the 0.05 level 2-tailed. . Correlation is significant at the 0.01 level 2-tailed. . Hasil analisis menunjukkan bahwa pada variabel untuk Likuiditas X 1 , Profitabilitas X 2 , Aktifitas X 3 dan Solvabilitas X 4 tidak mempunyai korelasi yang signifikan antara residual dengan variabel bebasnya nilai signifikansinya lebih besar dari 0.05, maka hasil analisis ini dapat disimpulkan semua variabel penelitian Tidak terjadi Heteroskedastisitas

4.2.3. Hasil Pengujian Regresi Linier Berganda

Hasil analisis mengenai koefisien model regresi adalah seperti yang tercantum dalam Tabel 4.6 berikut ini. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 54 Tabel 4.6 Koefisien Regresi Coefficients a ,066 ,100 ,655 ,516 -,137 ,269 ,028 ,004 ,763 7,745 ,000 ,021 ,035 ,817 ,778 ,698 ,839 1,192 -,002 ,002 -,111 -1,098 ,279 -,006 ,002 -,369 -,173 -,099 ,797 1,255 ,047 ,093 ,048 ,504 ,617 -,141 ,234 ,111 ,080 ,045 ,913 1,096 -,005 ,008 -,056 -,598 ,554 -,020 ,011 -,245 -,095 -,054 ,922 1,085 Constant Likuiditas Profitabilit Aktifitas Solvabilita Mode 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. ower Boundpper Bound Confidence Interval f Zero-orderPartial Part Correlations Tolerance VIF ollinearity Statistic Dependent Variable: IOS a. Sumber : Lampiran Berdasarkan Tabel 4.4 tersebut, maka model regresi yang diperoleh adalah sebagai berikut : Y =   X    X    X    X  e Y = 0.066 + 0,028 X 1 - 0,002 X 2 + 0,047 X 3 - 0,005 X 4 Dengan asumsi bahwa variabel X 1 , X 2, X 3, X 4 adalah nol atau konstan maka nilai IOS Y adalah sebesar 0.066 Koefisien regresi untuk variabel Likuiditas X 1 diperoleh nilai 0,028, mempunyai koefisien regresi positif, hal ini menunjukkan terjadinya perubahan yang searah dengan variabel terikat. Jadi semakin besar nilai Likuiditas X 1 akan menaikkan nilai Kesempatan investasi IOS Y dengan asumsi bahwa variabel yang lainnya adalah konstan. Koefisien regresi untuk variabel Profitabilitas X 2 diperoleh nilai - 0,002 mempunyai koefisien regresi negatif, hal ini menunjukkan terjadinya perubahan yang berlawanan arah dengan variabel terikat. Jadi semakin besar nilai Profitabilitas X 2 akan menurunkan nilai Kesempatan investasi IOS Y dengan asumsi bahwa variabel yang lainnya adalah Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 55 konstan. Koefisien regresi untuk variabel Aktivitas X 3 diperoleh nilai 0,047 mempunyai koefisien regresi positif, hal ini menunjukkan terjadinya perubahan yang searah dengan variabel terikat. Jadi semakin besar nilai Aktivitas X 3 akan meningkatkan nilai Kesempatan investasi IOS Y dengan asumsi bahwa variabel yang lainnya adalah konstan. Koefisien regresi untuk variabel Solvabilitas X 4 diperoleh nilai - 0,005 hal ini menunjukkan terjadinya perubahan yang berlawanan arah dengan variabel terikat. Jadi semakin besar nilai Solvabilitas X 4 akan menurunkan nilai Kesempatan investasi IOS Y dengan asumsi bahwa variabel yang lainnya adalah konstan.

4.4.1.3. Hasil Pengujian Uji F dan uji t

Uji F digunakan untuk menguji cocok atau tidaknya model regresi yang dihasilkan dan uji t digunakan untuk menguji pengaruh masing- masing variabel bebas terhadap variabel terikat. Adapun hasil dari uji F dan uji t adalah sebagai berikut : Tabel 4.7 : Hasil Uji F Model Sum of Squares df Mean Square F Sig. Regression 4,636 4 1,159 20,994 ,000a Residual 2,153 39 ,055 1 Total 6,790 43 Sumber : Lampiran Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 56 Hasil analisi regresi diatas menunjukkan hasil bahwa model analisis regresi tersebut cocok atau sesuai untuk digunakan sebagai alat analisis, dari hasil analisis, dimana nilai Signifikan ANOVAnya lebih kecil dari 0,05 0,000 Signifikan yang berarti alat analisis tersebut cocok layak untuk digunakan sebagai alat analisis. Atau Terlihat dari angka F 20.994 dengan Sig.0.000 0,05: signifikan positif, berarti perubahan lima variabel X 1, X 2 , X 3 , dan X 4, Mampu menjelaskan perubahan variabel Y. Dimana [lihat R Square 0,683] atau 68,3 sedang sisanya 31.7 [100 - 68,3] dijelaskan oleh variabel lain selain variabel X 1, X 2 , X 3. dan X 4. Hasil analisis ini menunjukkan bahwa model regresi yang digunakan untuk teknik analisis ini cocok. oleh karena itu untuk peneliti yang akan datang disarankan untuk menggunakan model teknik analisis yang sama Tabel 4.8 : Hasil Uji t Coefficients a ,066 ,100 ,655 ,516 -,137 ,269 ,028 ,004 ,763 7,745 ,000 ,021 ,035 ,817 ,778 ,698 ,839 1,192 -,002 ,002 -,111 -1,098 ,279 -,006 ,002 -,369 -,173 -,099 ,797 1,255 ,047 ,093 ,048 ,504 ,617 -,141 ,234 ,111 ,080 ,045 ,913 1,096 -,005 ,008 -,056 -,598 ,554 -,020 ,011 -,245 -,095 -,054 ,922 1,085 Constant Likuiditas Profitabili Aktifitas Solvabilita Mode 1 B Std. Error Unstandardized Coefficients Beta Standardized Coefficients t Sig. ower Bound pper Bound Confidence Interval f Zero-orde Partial Part Correlations Tolerance VIF ollinearity Statistic Dependent Variable: IOS a. Hasil uji t pada tabel di atas menunjukkan bahwa : 1. Likuiditas X 1 Berpengaruh nyata secara signifikan dan positif terhadap IOS Y, atau dapat diterima dengan tingkat [Sig. 0,000 0,05] signifikan [positif]. Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber. 57 2. Profitabilitas X 2 Tidak berpengaruh nyata terhadap IOS Y, atau tidak dapat diterima dengan tingkat [Sig. 0.279 0,05] Tidak signifikan [negatif]. 3. Aktifitas X 3 Tidak berpengaruh nyata terhadap IOS Y, atau tidak dapat diterima dengan tingkat [Sig. 0.617 0,05] Tidak signifikan [positif]. 4. Solvabilitas X 4 Tidak berpengaruh nyata terhadap IOS Y, atau tidak dapat diterima dengan tingkat [Sig. 0,554 0,05] Tidak signifikan [negatif].

4.5. Pembahasan